公开(公告)号：CN112562788B

公开(公告)日：2022-06-28

申请号：CN202011575605.5

申请日：2020-12-28

Applicant: 上海交通大学

Inventor： 袁亮亮 ,  杨旸

IPC: G16B30/00 ,  G16B50/30 ,  G16B20/00 ,  G06Q10/04 ,  G06N3/08 ,  G06F40/289 ,  G06F40/242

Abstract: 本发明公开了一种环状RNA‑RNA结合蛋白关系预测模型构建方法，解决了现有技术仅限制了预测准确率的问题，其技术方案要点是将初始的环状RNA序列数据集样本构造为环状RNA‑RNA结合蛋白序列对的形式；采用自监督学习的方式训练得到词向量字典；根据训练得到的词向量字典，将样本序列对映射成对应的词向量矩阵作为表征；将样本序列对的向量表征对应输入伪孪生网络，得到编码后的特征向量输入到度量函数中，计算绑定概率预测值并计算获得其与标签的差值，优化模型参数；模型训练迭代结束后保存得到的模型，本发明的环状RNA‑RNA结合蛋白关系预测模型构建方法，能针对RNA序列和蛋白质序列进行数据挖掘，能有效提高环状RNA‑RNA结合蛋白结合预测的准确率。

公开(公告)号：CN112562788A

公开(公告)日：2021-03-26

申请号：CN202011575605.5

申请日：2020-12-28

Applicant: 上海交通大学

Inventor： 袁亮亮 ,  杨旸

IPC: G16B30/00 ,  G16B50/30 ,  G16B20/00 ,  G06Q10/04 ,  G06N3/08 ,  G06F40/289 ,  G06F40/242

Abstract: 本发明公开了一种环状RNA‑RNA结合蛋白关系预测模型构建方法，解决了现有技术仅限制了预测准确率的问题，其技术方案要点是将初始的环状RNA序列数据集样本构造为环状RNA‑RNA结合蛋白序列对的形式；采用自监督学习的方式训练得到词向量字典；根据训练得到的词向量字典，将样本序列对映射成对应的词向量矩阵作为表征；将样本序列对的向量表征对应输入伪孪生网络，得到编码后的特征向量输入到度量函数中，计算绑定概率预测值并计算获得其与标签的差值，优化模型参数；模型训练迭代结束后保存得到的模型，本发明的环状RNA‑RNA结合蛋白关系预测模型构建方法，能针对RNA序列和蛋白质序列进行数据挖掘，能有效提高环状RNA‑RNA结合蛋白结合预测的准确率。